买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于子模函数的图-图转化任务主动学习方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114283161B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111589805.0，技术领域涉及：G06T7/11；该发明授权一种基于子模函数的图-图转化任务主动学习方法是由伍阔梁;蔡登;何晓飞设计研发完成，并于2021-12-23向国家知识产权局提交的专利申请。

本一种基于子模函数的图-图转化任务主动学习方法在说明书摘要公布了：本发明公开了一种基于子模函数的图‑图转化任务主动学习方法，包括：利用已有标签的图像局部区域集合训练一个图‑图转化任务的深度模型；利用训练好的模型提取图像上未标注的局部区域深度特征；针对提取的局部区域深度特征集合，进行衡量其代表性以及多样性的子模函数构建；优化求解子模函数最大化问题，得到本轮迭代选择的待标注图像局部区域集合；获得待标注图像局部区域的标签，将其添加到已有标签的图像局部区域集合中，再利用所有带标签数据集重新训练图‑图转化任务的深度模型；重复上述步骤，直至挑选的图像局部区域达到要求，得到最具有标注价值的局部区域。利用本发明，可以从未标注图像中挑选出更有标注价值的图像局部区域。

本发明授权一种基于子模函数的图-图转化任务主动学习方法在权利要求书中公布了：1.一种基于子模函数的图-图转化任务主动学习方法，其特征在于，包括以下步骤： 1利用已有标签的图像局部区域集合训练一个图-图转化任务的深度模型； 2对于局部区域没有标注标签的图像，利用训练好的深度模型提取图像上未被标注的局部区域的深度特征；具体为： 对于局部区域没有标注标签的图像，将图像分为k1×k2个局部区域，此时将深度模型f对应的卷积层特征也分为k1×k2个局部区域，从而得到局部区域对应的深度特征；将所得的图像局部区域对应的深度特征，计算通道方向的平均值，对于Du中的每一个图像局部区域，得到对应的局部区域特征Su； 3针对提取的局部区域深度特征集合，进行衡量其代表性以及多样性的子模函数构建；子模函数构建的具体过程如下： 3-1首先定义所选集合Sa对Su中的任一元素Iu的代表性，将其定义为即针对Su中的任一元素Iu，可以通过在Sa中找到与Iu相似度最高的元素，并将它们之间的相似度定义为Sa对Iu的代表性； 3-2之后定义所选集合Sa对Su集合的代表性，将Sa对于Su中所有元素的代表性进行求和，即得到Sa对Su集合的代表性； 4优化求解所构建的子模函数最大化问题，从而得到本轮迭代选择的待标注图像局部区域集合； 5获得待标注图像局部区域的标签，将其添加到已有标签的图像局部区域集合中，再利用所有带标签数据集重新训练图-图转化任务的深度模型； 6重复上述步骤2至步骤5，直至挑选的图像局部区域达到要求或者限制，最终得到预设个数的最具有标注价值的局部区域。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。